课程文献中心 更多>>

关键词： 铁路通信   图布局技术   层次化布局   通信网图   可视化  

摘要： 铁路车站通信网络构成系统图是铁路通信系统设计中最为关键且复杂的图纸之一，能够清晰地反映了整个铁路通信网络的架构以及各设备间的通信关系。铁路通信网络需要服务的对象种类繁多，应用的通信协议复杂多样，导致网图的构成元素较多。为了解决铁路车站通信网图设计中所面临的设计效率低、设计意图难以传达等问题，提出采用图布局技术以直观的图形形式清晰地呈现复杂的数据关系。结合铁路车站通信网图特点，从平面度、层次序列、连接类型，连接避让等方面对各种图布局算法及其适应性进行深入分析，设计研发一种基于层次化布局算法的车站通信网图可视化系统。该系统以层次化布局为骨架，结合网络关系性质判定进行局部排序，有效地保证了通信网图的系统性、清晰性和逻辑表达的准确性。实际应用结果表明，该构图方法能够解决当前车站网图结构调整效率低、层次不够清晰等问题，为铁路通信网络的设计提供了高效且清晰的解决方案。

关键词： 分层图卷积   协同过滤   多行为推荐   图卷积网络   多任务学习  

摘要： 基于协同过滤的单行为推荐系统在实际应用中经常面临严重的数据稀疏性问题，从而导致性能不理想．多行为推荐(multi-behavior recommendation，MBR)旨在利用辅助行为数据来帮助学习用户偏好，以缓解数据稀疏性问题并提高推荐精度．MBR的核心在于如何从辅助行为中学习用户偏好(表示为向量表征)，并将这些信息用于目标行为推荐．介绍了一种旨在利用多行为数据的新型推荐方法（hierarchical graph convolutional network for multi-behavior recommendation，MB-HGCN）．该方法通过从全局层面的粗粒度（即全局向量表征）到局部层面的细粒度（即行为特定向量表征）来学习用户和物品的向量表征．全局向量表征是从所有行为交互构建的统一同构图中学习得到的，并作为每个行为图中行为特定向量表征学习的初始化向量表征．此外，MB-HGCN还强调了用户和物品在行为特定表征上的差异，并设计了2种简单但有效的策略来分别聚合用户和物品的行为特定表征．最后，采用多任务学习进行优化．在3个真实数据集上的实验结果表明，所提方法显著优于基准方法，尤其是在Tmall数据集上，MB-HGCN在HR@10和NDCG@10指标上分别实现了73.93%和74.21%的相对性能提升．

关键词： 知识追踪   图神经网络   自注意力   概念关联   遗忘机制  

摘要： 追踪学生的历史互动以预测其未来表现是知识追踪(KT)领域的关键研究重点。最近的知识追踪方法旨在研究学生的学习模式和不断变化的知识状态，以提供个性化学习指导，但忽略了习题本身的丰富性。此外，随着新专业和跨学科领域的兴起，基于图神经网络(GNN)的KT方法面临一些固有挑战：扩展概念之间关联的视野并建模学生的学习行为。为了解决这些挑战，提出了一种新的知识追踪模型——融合图注意力的概念关联记忆网络知识追踪(GTMKT)。利用GTMKT，对学生的习题记录进行了建模，以追踪他们的知识状态，从习题-概念图中捕捉相关概念的全局特征。同时，将遗忘门和高阶信息提取纳入模型，以真实模拟学生的习题过程。通过广泛的实验，与基于图神经网络的结构知识追踪(GKT)和记忆增强知识追踪(DGMN)等7种模型在Junyi、ASSIST09和Static2011数据集的性能对比上，AUC和ACC性能分别提升了约2.1%和2.4%，证明GTMKT在成熟的知识结构数据集上优于对比模型。

关键词： 城市交通   子区划分   交通拥堵扩散   瓶颈识别   区域协调控制  

摘要： 【背景】城市交通信号区域协调控制在路网规模过大时无法有效协调，传统静态交通子区划分难以适应交叉口拥堵动态扩散，大规模路网协调存在计算复杂性挑战。【目标】为解决大规模城市路网交通信号协调控制效率低下的问题，提出基于交通瓶颈动态识别的子区划分方法以优化区域协同效果。【方法】首先，定义交叉口交通瓶颈与拥堵扩散模型，构建拥堵扩散图。随后，结合改进深度优先搜索算法识别关键瓶颈节点，并采用半马尔科夫过程（SMP）对拥堵扩散进行建模，实现动态交通子区划分。【数据】通过在纽约曼哈顿区域路网开源数据集进行仿真实验对比不同子区划分策略对交通流参数（速度、行程时间、停车次数）的影响。【结果】实验表明，在区域信号协调控制使用本文提出子区划分方法，与改进Newman算法相比区域内平均车速提升7.21%，行程时间与停车次数分别减少22.62%和3.98%，显著优于传统子区划分方式。【结论】基于拥堵扩散与瓶颈识别的动态子区划分策略可有效提升区域协调信号控制性能。【应用】提出的子区划分方法适用于城市智慧交通系统中多交叉口协同信号优化，可为缓解区域级交通拥堵提供技术支撑。

关键词： 事件因果关系抽取   深度学习   图网络   大语言模型   注意力机制  

摘要： 为了提高文档级事件因果关系识别的准确率，首先利用大语言模型所包含的隐性知识，从文档中筛选出与目标事件相关的其他事件，构建事件候选集。其次将事件候选集组合成事件关系全连接图，并对其进行条件约束，通过条件约束将事件关系全连接图简化为事件关系约束图，减少图中无关事件的噪声传递。最后以自注意力机制计算图网络中任一节点对其他节点的影响，并利用带有焦点损失的二分类损失函数训练模型，进一步缓解了因果关系识别中的假阳性问题。研究结果表明:模型在事件因果关系识别任务中，Causal-TimeBank数据集句内事件对因果识别的精确率达到了77.3%；EventStoryLine数据集句内事件对因果识别的精确率达到了75.2%，句间事件对识别的F1-score达到了60.6%，文档级事件对识别的F1-score达到了59.6%。

关键词： 图计算   图摘要   图压缩   图简化  

摘要： 随着计算资源的进步，越来越多的现实世界数据以图的形式存储在计算机中。然而，直接处理大规模图所需的时间和资源成本不断攀升。有损图摘要技术在确保保留图的整体结构和主要属性的前提下，对图进行精炼和删减，从而生成一个近似输入图的紧凑表示，来获得较小存储需求和更高计算效率。然而，已有的工作通常面临计算效率与摘要质量的不平衡，或缺乏节点属性的纳入。为了解决这些问题，本研究提出了一种基于迭代最小哈希局部敏感哈希（MinHash Locality-Sensitive Hashing， MinHash-LSH）的有损图摘要方法：IMLS（Iteration MinHash-LSH Lossy Graph Summarization Method）。方法通过引入结合属性权重的得分函数评估节点合并收益，迭代的合并节点对，生成一个限制节点数量的摘要图，旨在最大限度地减少重构误差与存储大小，同时最大限度地提高节点同质性。实验结果表明，IMLS在压缩比相似的情况下，运行时间比同类方法快约51.3倍，且能够生成重构误差低约12.3倍的摘要图。此外，IMLS方法具有线性可扩展性，适用于大规模图，并且通过控制属性权重参数，能够确保生成的摘要图具有可控的节点同质性。

关键词： 三维CAD模型   STEP文件   属性图   图神经网络   分类与检索  

摘要： 针对现有三维CAD模型分类与检索算法的局限性，提出了一种基于属性图的改进方法。该方法在STEP文件B-rep表示的基础上，结合工程语义信息构建通用属性图，并基于此设计了一种自注意力分层池化网络。通过改进SAGPool图池化层，增强了模型对节点重要性评估的能力，同时引入注意力机制提取全局特征表示。实验结果表明，在分类任务中，该方法优于基线算法，在TraceParts数据集和FabWave数据集上分别达到了100%和96.3%的分类准确率。此外，利用分类网络的Softmax层输出特征进行检索任务，两个数据集的平均检索精度分别为0.988和0.918，充分证明了该方法在分类与检索任务中的有效性。

摘要： 1970年,长征一号运载火箭腾空而起,划破苍穹,成功将东方红一号卫星送入预定轨道,奏响了中国太空探索的先声.这是我国航天事业从无到有的重大突破,标志着中国成为世界上第五个独立研制并发射卫星的国家.为了让大家更直观地了解它们的构造奥秘以及精妙设计,我们为大家带来了这样一幅剖视简图.

关键词： 分数因子   孤立韧度   分数(a,b,m)-覆盖图  

摘要： 若对任意满足|H|=m的H?E(G),存在分数[a,b]-因子(对应分数示性函数为h)使得h(e)=1对任意e∈H成立,则称图G称为分数(a,b,m)-覆盖图.本文给出分数(a,b,m)-覆盖图的孤立韧度及孤立韧度变种界,并通过反例说明该界是紧的.